（计算机应用技术专业论文）模糊petri网在聚驱综合调整中的应用.pdf

模糊p e t r i 网在聚驱综合调整中的应用 摘要 聚合物驱油作为提高油田采收率的新兴技术之一正在国内外油田开发中得到曰益广泛的应用 大庆油田是国内最早开展聚合物驱工业化推广的油田，随着聚合物驱规模的不断扩大，对聚驱跟踪 调整的要求也越来越高。由于影响聚驱调整措施的因素存在很大的模糊性和不确定性，目前调整方 案主要还是依靠专家的经验人为确定。传统聚驱专家系统的知识表示产生式之间的约束和相互作 用导致低效率，另外该表示法缺乏对并行推理的支持。因此，在计算机技术发展的今天，建立一套 人机交互式的智能化系统是聚驱发展的必然趋势。 课题以模糊p e 岍网的理论为基础，讨论了带权模糊知识的模糊产生式系统表示法，建立了这种 表示法与模糊p e t r i 网之阃的映射关系和转换算法。针对聚驱综合调整系统知识具有不确定性和模糊 性的特点，给出了基于加权模棚产生式规则的加权f p n 决策模型。在此模型的基础上，给出了决策 推理过程的形式化推理算法算法考虑了推理过程中的众多约束条件，将复杂的推理过程采用矩阵 运算来实现，充分利用了f p n 的并行处理能力，使决策推理过程更加简单和快速。通过对模糊p e 砸 网动态运行机制的分析，给出聚驱知识库的维护算法并把神经网络中的b p 网络算法引入到f in 模型中，使得f f n 具有像神经网络中的b p 嗣络一样的学习能力，f p n 模型的学习和训练对聚驱规 则库系统的建立、维护和更新等有着重要的意义。最后，结合面向对象技术与可视化编程技术，用 v c + + 6 0 在w n 3 2 平台下实现了上述系统的原型系统。 关键词：聚驱；模糊产生式规则；综合调整：加权模糊p e 埘网；模糊推理算法：知识库维护 h a p p l i c a t i o no ff u z z yp e t r in e t si np o l y m e rf l o o d i n g c o m p r e h e n s i v ea d j u s t m e n ts y s t e m a b s t r a c t a so n eo fh e we m o t i n gt e c h n o l o g i e si ni m p m v i n gr e c o v e r yr a t i o no fo i l ，p o l y m e rf l o o d i n gi s w i d e s p r e a d l yu s e di nd o m e s t i ca n df o r e i g no i lf i e l dd e v e l o p m e n t t h ed a q i n go i lf i e l di s * e a r l i e s to o e t h a td e v e l o p sp o l y m e rf l o o d i n gi n d u s t r i a l i z a t i o na th o m e a st h ei n c r e a s i n g l ye x p a n s i o no fp o l y m 口 f l o o d i n gs c a l e ，t h er e q u e s tf o rt h ea d j u d g e m e n to fp o l y m e rf l o o d i n gi sh i g h e ra n dh i g h e r a tp r c n kt h e a d j u s t m e n ts c h e m e i sd e t e n n a i n e dm a i n y t h ee x p e r t s e x p e r i e n c , s sb e c a u s et h ef a c t o r st h a ta f f e c t m e i h o fp o l y e rf l o o d i n ge r es of u z z ya n du n c e r t a i nt h ek n o w l e d g ee x p r e s s i o no ft r a d i t i o n a le x p e r t s y s t e m , l o we f f e c i a n c yw a sc a u s e db yr e s t r a i n ta n dm i n u a ii m p a c to f p r o d u c t i o n i na d d i t i o n , t h i sm e t h o d o f e x p r e s s i o ni sl a c ki np a r a l l e li n f e r e n c es u p p o r t t h e r e f o r e , i nc o m p e e rt e c h n o l o g yd e v e l o p i n gt o d a y , i t i sa ni n e v i t a b l et r e n do fp o l y m e rf l o o d i n gd e v e l o p m e n tt oe s t a b l i s has e to fm a n - m a c h i n ei n t e r a c t i v e i n t e l l e c a m l i z a t i o n ss y s t e m b a s e do nt h et h e o r yo ff u z z yp e t en e t s t h er e p r e s e n t a t i o no ft h ef u z z yp r o d u c t i o ns y s t e mo f w e i g h t e dk n o w l e d g ei sd i s c u s s e d t h er e l a t i o na n dat r a n s f o r m a l i o na l g o r i t h mb c t w c e nt h er e p r e s e n t a t i o n o f f u z 纠p r o d u c t i o ns y s t e ma n df u z z yp e t en e t sa l ep r e s e n t e d t h i sp a p e rp r e s e n t saw e i g h t e df u z z yp e h i n e t sd e c i s i o n - m a k i n gm o d e lw h i c hi sb a s e do nw e i g h t e df u z z yp r o d u c t i o nr u l ea i m i n ga tt h ef u z z i n e s s a n du n c e r t a i nk n o w l e d g eo fp o l y m e rf l o o d i n gc o m p r e h e n s i v ea d j u s t m e n ts y s t e m b a s e dm lt h ew e i g h t e d f u z z yp e t r in e t sm o d e l ，a na l g o r i t h mo ff o r m a l i z e dd e c i s i o nr e a s o n i n gp r o c e s si sp r o p o s e d ，i nw h i c ha l l t h ec o r t s t r a i n t si nt h er e a s o n i n gr u l e sa s ec o n s i d e r e d i td e m o n s t r a t e st h a tt h ed e c i s i o nr e a s o n i n gp r o c e s si s a c , e o m p l i s h e dm o r es i m p l ya n dq u i c k l ya st h ea l g o r i t h mi sa d o p t e da n de f f i c i e n c yo f t h er e a s o n i n gi sa l s o i m p r o v e dd u et ot h ep a r a l l e lo p e r a t i o na b i l i t o f p e t r in e t s b ya n a l y z i n gt h ed y n a m i cm r m i n gm e c h a n i s m o ff i l z 巧p s t r in e t s , am a i n t e n a n c ea l g o r i t h mi sp r e n t e d t h eb a c kp r o p a g a t i o na l g o r i t h mo fn e u r a l n e t w o r k si si n t r o d u c e di n t ot h em o d e lo ff p n t h ef p nh a so b t a i n e dt h es a m el e a r n i n ga b i l i t yf r o mb p n e t w o r ki nn e m a ln e t w o r k s t h el e a r n i n ga n dt r a i n i n go ff p nh a sv i t a ls i g n i f i c a n c et ot h ee s t a b l i s h m e n t , r e n e w 缸a n d m a i n t e n a n c eo f t h e r u l es y s t e mo f p o l y m e r f l o o d i n g w i t h t h e o b j c e t - o r i e n t e dp r o g r a m m i n g t e c h n o l o g ya n dt h e v i s u a lp r o g r a m m i n gt e c h n i q u e , sp r o t ot y p es y s t e mi si m p l e m e n t e db yv i s u a lc + + 6 0 u n d e rw i n 3 2p l a t f o r m k e yw o r d s ：p o l y m e rf l o o d i n g ；f u z z yp r o d u c t i o nr u l e ；c o m p r e h e n s i v ea d j u s t m e n tw e i g h t e df i l = y p e 砸n e t s ；f u z z yr e a s o n i n ga l g o r i t h m ；k n o w l e d g eb a s em a i n t e n a n c e n 学位论文独创性声明 本人所呈交的学位论文是我在指导教师的指导下进行的研究工作及取得的研究成 果据我所知，除文中已经注明引用的内容外，本论文不包含其他个人已经发表或撰写 过的研究成果对本文的研究做出重要贡献的个人和集体，均己在文中作了明确说明并 表示谢意 作者签名：查盟! !日期：型2 ：! ：! ! 百，1 学位论文使用授权声明 本人完全了解大庆石油学院有关保管，使用学位论文的规定，学校有权保留学位论 文并向国家主管部门或其指定机构送交论文的电子版和纸质版有权将学位论文用于非 赢利目的的少量复制并允许论文进入学校图书馆被查阅有权将学位论文的内客编入有 关数据库进行检索有权将学位论文的标题和摘要汇编出版保密的学位论文在解密后 适用本规定 学位论文作者签名：者丽丽 日期： 力卵；f 2导警瓣 创新点摘要 模糊p e t r i 同以其强有力的描述具有并行或异步并发行为系统，处理并行推理的特点、良好的数 学基础和便于工程化等特点，为聚驱综合调整决策开发提供了全新的理论和实现手段本文的创新 点总结如下： 1 ) 提出用模糊p e x r i 厨表示聚驱模糊知识。针对聚驱综合调整系统知识具有不确定性和模糊性的 特点，建立丁基于加权f p n 的聚驱综合调整决策模型。 ( 2 ) 提出用p e m 网对聚驱知识库进行维护并在聚驱综合调整系统中开发t f l - - 个独立的用于知识 库维护的校验模块，以便自动检查知识库中的知识，确保知识的一致性和完整性。 大庆石油学院硕士研究生学位论文 引言 石油是一种不可再生的资源，也是经济发展和现代进程中必不可少的动力，并在能 源结构中占有绝对的优势地位( 占4 1 ) 【i j 。提高原油采收率，己成为世界各国普遍关 注的问题，随着聚合物驱工业化的推广应用聚合物溶液能显著地提高原油采收率己成 为_ 个不可否认的事实聚合物驱1 y m e 卜n o o d i n g ) 是一种典型的化学驱油方法，它是 指在注入水中加入少量水溶性高分子量的聚合物，增加水相粘度，同时降低水相渗透率， 改善流度比，提高原油采收率的方法。它的机理是所有提高采收率方法中最简单的一种， 即降低水相流度，改善流度比，提高波及系数。一般来说，当油藏的非均质性较大和水 驱流度比较高时，聚合物驱可以取得明显的经济效果1 2 1 。 聚合物驱油作为提高原油采收率的新兴技术之一，正在国内外油田开发中得到日益 广泛的应用。大庆油田是国内最早开展聚合物驱工业化推广的油田。目前，大庆油田已 由单一水驱开发阶段进入水驱和聚驱并存的开发新阶段。随着聚合物驱工业化推广的不 断深入和聚驱规模的不断扩大，对聚驱跟踪调整的要求也越来越高，调整方案的选择及 效果预测将为优化方案设计提供科学依据。是及时指导聚驱开发调整和提高总体效益的 关键环节。聚驱综合调整系统决策模型作为油田开发必不可少的配套技术，随着聚合物 驱油技术的发震，聚驱综合调整系统决策模型也在不断的发展和完善。 由于影响调整措施的因素很多，也很复杂，所以目前调整方案主要还是依靠专家的 经验人为来确定1 3 】：也有采用数值模拟跟踪技术，进行多种方案优化评价，好中选优； 此外，也有对专家经验进行编码，形成专家知识库，通过模式匹配来确定调整方案p j 。 虽然形成了一些配套综合调整技术，积累了经验，但还不能完全满足聚合物驱决策开发 的需要。影响聚驱综合调整决策分析的因素存在很大的模糊性和不确定性，诸多调整方 案的选择与确定更是繁琐和复杂产生式知识表示的方法，模型描述能力差及缺乏对并 行推理的支持这就要求一种能合理描述知识库中知识所固有的并发性、模糊性进行 并行推理的模型。而模糊p e 晡网嘲以其强有力的描述具有并行或异步并发行为系统，处 理并行推理的特点、良好的数学基础和便于工程化等特点，为决策支持提供了全新的理 论和实现手段。 知识工程是当前计算机领域中的一个研究热门，因为它能进行推理，具有一定的类 似于人类智能的能力。同时，由于模期p e 一网十分符合人类的思维和认知方式，所以 将其应用于知识表示和人工智能等方面具有非常广阔的发展前景。随着模糊p e t r i 网的 迅速发展在不少专业技术文献中都提到了将模糊p e t r i 网与知识工程中的产生式系统 相结合，并提出了具有模糊产生式规则的模糊p e t r i 网( f p n ，f u z z yp e t r in e t ) ，所以f p n 对于解决知识的表示问题和提高知识的并行处理能力不失为一种非常有效的方法和途 径。本论文提出模糊p e t r i 网在聚驱综合调整系统中的应用，旨在充分利用模糊p e 仃i 网 引言 的良好特性，对聚驱综合调整系统进行建模和分析，针对系统中需要解决的问题提出相 应的处理方法并给出相应的结论。 专家系统中知识库的建立是反映专家系统性能的关键。为此，人们提出了很多知识 的表示方法，例如产生式规则、语义网络、框架式表示方法、面向对象的表示方法等。 这些表示法各有其特点和应用领域但是都存在这样或那样的不足，主要表现在以下三 个方面； ( 1 ) 知识获取的困难。首先专家经验的规则表达缺乏对专家思维过程的描述，因而 只能是表象的、缺乏深度的；其次目前专家系统机器学习能力低下、人工方式知识获取 效率差必然使专家系统知识难以完备。知识获取难己成为制约专家系统性能的瓶颈； ( 2 ) 知识维护的困难。专家系统知识大多以定性概念的形式描述，如何进行定性概 念的比较从而保证庞大知识库的知识完整性与非矛盾性，算法复杂，导致专家系统建造 周期长# ( 3 ) 基于知识的推理，存在着“匹配冲突”和“组合爆炸”的问题，尽管可以采取 将规则知识分块等处理方法，专家系统的推理尤其是基于不确定性知识的模糊推理仍然 速度慢、效率差，难以适应聚驱调整实时性的要求：缺乏对推理并行性支持和对知识库 形式化的验证。特别是随着知识库规模的增大，知识库的正确性和知识的组织及其相互 之问的逻辑关系更加难以把握。 从z i s m a l lm d l7 坍始，人们注意到p e t r i 网可以用于表示产生式规则系统。由于知识 的不确定性，许多产生式规则系统为模糊产生式规则系统。于是l o o n e y c l 8 1 提出用模糊 p e m 网进行知识表示，他用t o k e n 表示命题的可信度，其值在0 到l 之间，库所表示规 则中的命题，变迁的触发表示规则的执行。但其推理过程和模糊p e 砸网的形式是分离 的c h e l asm 等1 9 1 在l o o n e ycg 的基础上对其模型和算法都进行了改进，用于判断两 个命题之间是否存在因果关系，它是用“树”来表示模糊推理算法，是一种搜索过程， 虽然可以用计算机实现自动推理，但算法实现繁琐，并没有能充分运用p e t r i 网所能提 供的并行推理能力。另外，文中作为推理基础的模糊p e t r l 网模型描述也较复杂。其他 一些文献多引用忉 9 中的方法，另外还有许多文献中也讨论了用模糊p e t r i 网进行知识 表示的方法及其应用的可能性，但未能将其与传统p e a 网的理论相结合和对比进行深 入地研究，没有明确地指出用于知识表示p e t r i 网的特殊性，也都未能提出求解复杂问 题的有效的形式化数学算法，限制了其应用。经研究和分析发现以往的研究中的不足关 键在于他们只利用了p e t r i 网的图形描述能力，并没有充分利用p e t r i 网强大的数学基础 和表示同步、并发的能力。本文对p c 缸网的系统描述能力进行模糊化，在此基础上。 建立一种称之为模糊p e t r i 网( f p n ) 的网模型，以它为工具，能很好地解决上述问题。 在计算机技术发展的今天，建立一套人机交互式的智能化的系统是聚驱发展的必然 趋势。将模糊p e t r i 网应用于聚驱综合调整方案的决策中，通过该课题的研究，建立一 种新的具有实用价值的模糊p e t r i 网模型，提出聚驱综合调整专家知识表示方法和相应 的推理机制，并开发出原型系统，从而为聚驱综合调整方案决策的科学性提供新方法。 2 大庆石油学院碗士研究生学位论文 该系统的建立可以加快聚驱动态分析速度，提高措旆优选的精度，从而来指导聚驱综台 调整的方向，改善聚驱整体开发效果。将模糊p e l r i 网与油田聚驱调整的具体应用相结 合，拓宽了模糊p e t r i 网的应用领域，必将进一步推动模糊p e l r i 网的发展。 本文围绕模糊p e t r i 网在聚驱综合调整中的应用这一主题来进行研究，具体内容安 排如下： 第一章主要讨论了模糊p e t r i 网的知识表示，以模糊p e t r i 网的相关理论与关键技术 研究为基础，讨论了带权模糊知识的模彻产生式系统表示法，建立了这种表示法与模糊 p e t r i 网之问的映射关系和转换算法，给出聚驱综合调整中知识表示的模糊p e t r i 网模型。 第二章主要介绍聚驱模糊知识推理与知识库的维护。给出了相应的基于加权模糊 p e t r i 网的形式化推理算法与知识库的维护算法。 第三章基于加权模糊p e t r i 网的聚驱模型权值的学习，将神经网络中的b p 网络算法 引入到f p n 模型中使得f p n 具有像神经网络中的b p 网络一样的学习能力，并给出 f p n 权值学习的算法。 第四章主要介绍了聚驱综合调整原型系统的组成、结构与功能。并利用v c + + 6 0 在w m 3 2 平台下实现了基于加权模糊p e t r i 网的聚驱综合调整决策开发的原型系统。 第l 章模糊p d 6 罔理论与聚驱综合调整决簧模型 第1 章模糊p e t r i 网理论与聚驱综合调整决策模型 模糊p e t r i 网具有很好的模型描述特性：并发、不确定、异步，并且有较为严密的 数学理论支持。越来越多的研究证明，模糊p c 研网口p n ) 更符合人类的思维和认知方式， 在描述和分析许多物理系统乃至社会系统的并行和并发行为时具有广泛的意义。特别是 应用在人类知识的表示和人工智能中非常合适【1 叫“。 知识的表示和处理一直是人工智能领域中一个非常活跃的课题，当前已经有了许多 比较成熟的知识表示方法。主要有谓词逻辑、产生式规则、语义网络、框架，神经网络 表示等”q 。在聚驱综合调整专家系统中常用的知识表示方法有产生式规则、框架、神经 网络等。其中产生式规则形式的知识表示在一般聚驱综合调整专家系统中得到广泛的应 用，因为产生式表示直观自然，易于理解，便于推理，模块性好既可以表示精确知识， 也可以表示不精确的知识。但是产生式表示法的缺点是推理效率不高，并且随着知识库 容量的增加容易引起组合爆炸问题。另外，单一的规则表示很难清晰地刻画知识库的整 体情况，整个知识库缺乏整体的协调和组织，因而不能很好地反映人类知识的条理性和 内部逻辑。 p e t r i 网是一种适合于描述异步并发现象的计算机系统模型和对并行和并发系统进 行行为分析的有效工具【j 3 1 ，在人工智能领域得到了越来越广泛的应用。人们对采用传统 p e t r i9 目进行知识表示、推理及验证的方法进行了大量的研究。但是传统p c m 网有一 个缺点就是不能描述不精确知识，然而现实生活中大量复杂的问题存在着不精确性，难 以用精确的知识表示。因此，把传统p e t r i 网中的知识处理方法与模糊数学结合起来， 将大大提高p e t r i 网的知识处理能力。本章对p e 缸i 网系统进行模糊化，建立了通用的模 糊p e t r i 网模型。以它为工具，能够较好地解决聚驱知识表达和推理中的模糊问题。 1 1p e t r i 网基本理论 p e t r i 网是1 9 6 2 年由联邦德国科学家c a da d a mp c t r i 在他的博士论文用自动机通 信中首次提出的 1 4 , l q 。它是关于分布式系统和分布式进程的理论，作为系统模型的数 学工具，p e t r i 网已经被深入地研究和广泛应用于分布式系统的一些主要领域。近年来。 人们对用p e t r i 网解决入工智能。尤其是专家系统中的问题进行了探讨，主要涉及知识 建模，知识库检验，模拟逻辑程序等。 p e u i 网是一种可用图形表示的组合模型，具有直观、易懂和易用的优点，同时又是 严格定义的数学对象，借助数学开发的p e t r i 网分析方法和技术，既可以用于静态的结 构分析，又可用于动态的行为分析。系统模型是对实际应用系统的抽象。网系统以研究 系统的组织结构和动态行为为目标，着眼于系统中可能发生的各种变化和变化间的关 大庆石油学院硕士研究生学位论文 系。网并不关心变化发生的物理和化学性质，只关心变化的条件及发生后对系统的影响 1 6 1 。 1 1 1p e t r i 网基本概念 p e t r i ( p n ，p e 匝n e t ) m 是一种网状信息流模型，包括条件和事件两类节点，在条件和 事件为节点的有向图基础上添加表示状态信息的托肯( t o k e n ) 分布，并接触发规则使得事 件驱动状态演变，从而反映系统动态运行过程。下面首先介绍相关的基本概念。 ( 1 ) 资源：在系统中发生的变化所涉及与系统有关的因素，称为资源。包括 原料、部件、产品( 成品或半成品) 、人员、工具、设备，数据及信息。 ( 2 ) 状态元素：资源按其在系统中的作用分类，每一类放在一处，则该处抽象为一 个相应的状态元素，又称p 元素。 ( 3 ) 库所( 位置) ：状态元素又称库所。库所不仅表示一个场所。而且表示在该场所 存放了一定的资源。 ( 4 ) 变迁( 跃迁) ：资源的消耗、使用及产生引起状态元素的变化，网论中称为变迁， 又称丁元素。 ( 5 ) 托肯( 令牌) ：库所中资源的数量。 ( 6 ) 条件：如果一个库所只有两种状态，有托肯( t o k e n ) 和无托肯，则该库所称为条 件。 ( 7 ) 事件：涉及条件的变迁称为事件。 ( 8 ) 容量：库所对贮存资源数量的限制称为库所的容量。 1 1 2p e t r i 网系统的定义 定义1 三元组= ( p ，r ；，) 称为有向网( 简称网) 的充分必要条件是： ( 1 ) ，f 、t = e o ，p u t m ； ( 2 ) f e ( 尸x r ) u ( r x j d ) ； ( 3 ) a o m ( r ) u o e ( e ) = p u t ； 其中尸叫做的库所集，t n q 做变迁集，f 叫做流集。p 的元素叫库所删a c e ) ，t 中的元素叫变迁( t r a n s i t i o n ) ，“中”表示空集合。x ”是两集合的笛卡尔乘积运算，f 为 库所节点与变迁节点之间的有向弧集合。d o m ( f ) 是f 所含有序偶的第一个元素所成的 集合，c o d ( d 则是第二个元素的集合。 矗( ，) = p f j r ：( 只砷，) ( 1 1 ) 5 第j 章模柳p c a x i 网理论与幕驱综台调整决策模型 d ( ，) = y i j x ：( 爿，y ) f ( 1 2 ) 网是系统静态结构的基础，但不能反映系统静态部分的全貌，要反映它的全部信息， 还应当包括库所的容量和变迁以及其它外延资源的数量关系，每发生一次变迁各种资源 的消耗量及“产品”的数量，这需要引入网系统的概念。 定义2 设n = ( p ，t ；f ) 为有向网 ( 1 ) 若k 为从尸到z + t _ l o 。的映射x ：p 寸z + u ，其中z + = l ，2 , 3 ，则称茁为n 上的容量函数。x ( e 1 = m ，表示p 的容量为无穷。 ( 2 ) 若k 是的容量函数，m ：p - - 4 z + 叫做的一个标识的充分必要条件是： v 研e ，：肘( p ) x ( j p ) ( 3 ) 映射：，寸z + 称为的权函数，w 用弧w ( x ，n 表示。 容量k ( p ) 表示某个库所允许贮存资源的数量，k ( e ) 的值可标在代表该库所的圆 圈旁。有限容量是用大于零的整数表示。不标明时，表示库所无限大。标识m ( p ) 是库 所| p 中的托肯( t o k e n ) 数，用黑点表示权( x ， ，) 的值写在表示( j ，r ) 的弧上，它表 示从x _ y 资源的消耗量或产品的数量，凡弧上不标明的都假定其值是1 。 定义3 设六元组= p ，t ；f ，k ，m ) 满足以下条件： ( 1 ) ，= ( 尸，t ；f ) 构成有向网，称为的基网。 ( 2 ) 足，矿，肘依次是上的容量函数，权函数和标识函数。m o 称为网的初始标记。 网系统称为有标记的网，网的定义是网系统静态结构的描述。当茁值恒为无穷且 的值均取1 时，就是我们通常所说的p e t r i 网，所以通常p e t r i 网也可用四元组 = p ，r ；f ， 厶 表示。系统的动态行为通过托肯的变化来反映，而托肯数目的变化是通 过变迁的点火来实现的。 1 1 3p n 图形表示 p e t r i 网的形式定义主要用于理论研究和分析中，而在实际应用中，人们更感兴趣的 是p n 的图形表示，它给人更清晰、更形象、更直观的感觉，无论对于说明p e t r i 网的概 念，还是对于模拟实际系统，都更加便利和有用。 网的图形表示是指将库所节点、变迁节点和有向弧用图形的方法表示出来在图形中 用圆圈“o ”表示库所，用竖线“j ”表示变迁，用从x 到y 的有向弧( a r c ) 表示有序偶 6 大庆石油学院硕士研究生学位论文 0 ( ，y ) 。如果有向弧是从库所到变迁，则称此库所是输入库所，变迁是库所的输出变迁； 反之，如果有向弧是从变迁到库所，则称此库所是变迁的输出库所，变迁是库所的输入 变迁。图1 - 1 显示了一个简单的p e t d 网 气p ，r ；，) 的图形表示。 其中库所集，； 置，足，与，只，只) ，变迁集r = “，毛，r 4 ，流关系，； ( a ， ) ，( ，凸) ，( 奶，) ，“，儿) ，“，岛) ，( 见，) ，“，热) ，( 见，) ，n ，a ) a ) 变迁i 激发前b ) 变迁激发后 图卜1p e t r i 网的图形表示 在p c t r i 网中最值得注意的就是库所圆圈中的黑点。我们称之为标记或标识( t o k e n ) 。 每个库所中可以有1 个或多个标记，当然也可以没有标记。 1 1 4p e t r i 网的推理规律 p e t r i 网的网络结构是静态的，网络的动态性质是通过位置中托肯的数目及变迁的点 火体现出来的。p e t r i 网络的输入函数用来确定网络位置中托肯的初始数目，此时如果一 个变迁的条件能够满足，那么该变迁将被激活，使得托肯按照加权弧的约束由输入位置 迁移到输出位置，这称为p e t r i 网络完成了一次状态变化。当网络中没有变迁可以激活 时，它进入了最终的稳定状态。 p e t r i 网的初始状态又称为初始标记，它给每个位置节点分配一个非负整数，用托肯 表示。网络的动态特性由位置节点中托肯的数目及其变迁的点火来实现。如果某个变迁 节点的每个输入位置节点中，托肯的数量都不小于该位置节点到此变迁节点间有向弧的 权值，那么就称这个变迁是使能的( e n a b l e d ) ，这是变迁点火的基本条件。如果这个使能 ( 满足基本点火条件) 的变迁又能满足其相关的评价函数，该变迁就能真正实现点火 ( f i r i n g ) 。当然如果不存在相关的评价函数，则变迁在满足基本点火条件时就可以实现点 火。 p e t r i 网的点火过程就是将变迁的输入位置节点中的托肯移动到该变迁的输出位置 节点中。根据这种动态规则，当网络中没有变迁可以点火时，它进入了最终的稳定状态。 第1 章模糊p o r l 网理论与聚驱综合调整决策模型 追踪所有点火的变迁节点，就可以得到问题的解。 p e t r l 网具有简单直观的特点，但是它必须与事件的情况和过程一一对应，而且投有 层次观念，还缺乏数据概念。因此在处理一个复杂系统的过程中，构造一个完备的p e t r i 网将会变得十分的庞杂。因此p e t r i 网在实际应用中会受到一些限制，针对这些问题， 有许多研究在基本p e t r i 网的基础上，引入各种因素，对传统的p e 缸网进行了改进，如 近年来得到普遍应用的随机p e l r i 网、着色p e t r i 网等，而模糊p e t r i 网作为p e t r i 网的一 个重要分支，也越来越多的引起了人们的兴趣。 鉴于聚驱知识的不确定性，本文采用模糊p e t r i 网模型，下面主要介绍模糊p e t r i 网。 1 2 模糊p e t r i 网 很多研究领域都存在着不同形式的不确定性和模糊性，为了表示带有不确定性和模 颧性的命题，许多研究者将p e 打i 网理论与模糊理论相结合，提出了模糊p e t r i ( f p n 。f u z z y p e t r i n o ) 网的概念1 1 7 1 。f p n 是在普通p e t r i 网基础上扩充模糊处理能力而得到的。它与 普通p e t r i 网相比较主要有阻下几个方面的不同： ( 1 ) 变迁节点具有启动阚限t ( 0 f ( f ) ，此时称，在肘下有效，其中 j m ( 只) 为库所节点只在标识m 下含有的t o k e n ，q 是变迁，连接库所c 的输入弧上的连 接强度。 ( 2 ) 变迁启动的结果 若f 在村下有效，则f 就可以启动，启动后标识变成新标识膨，记为膨二膨， 称m 为吖的后继标识。对p e p ，库所中的t o k e n 有如下变化 第1 章模糊p e t r i 嘲理论与聚驱综合调整决簟模型 m ( p ) = 0 p e ，一广 f l u ( p ) ，s r ( 0 1 p e t 一t ( i - 5 ) 肘( p ) 。 p u 。f 其中，s t 为输入强度的计算函数，f 为新标识肘下库所p 中t o k e n 变化的计算函 数，它们具体的算式要根据不同的应用而定。 从定义4 中不难看出，一般p e l d 网是模糊p e t d 网的特例，这里只需令连接强度= 1 ， r = l ，库所节点的t o k e n 只取整数。田1 和，均取算术和形式即可。 1 3f 刚与模糊知识表示 l3 ，1 模糊产生式规则及宾f p n 表示 知识的表示、知识的获取及知识的运用称为知识处理学的三要桑1 2 0 l ，而知识的表示 处于这三个要素的中心地位。迄今为止，在人工智能领域己出现了许多表示知识的方法。 产生式系统是一种问题求解系统，是事件驱动型系统口1 。事件驱动型的表示为非结构化 问题的模型化提供了有用的框架。这类问题适用i f - t h e n 形式表示，这种形式称为产 生式规则。目前，屋内外的许多专家系统都是采用产生式规则来构造知识库，并且取得 了成功。 产生式规则形式的知识表示在一般专家系统中得到广泛的应用，产生式系统具有知 识表示直观衙明，符合人类推理习惯的特点。但是单一的规则很难清晰地刻画知识库的 整体情况，整个知识库缺乏整体的协调和组织，因而不能很好地反映人类知识的条理性 和内部逻辑。基于模糊产生式规则的知识库中的命题与模糊p c b r i 网中的库所相似，而 规则与摸糊p c 扛i 网中的变迁相似，另外，命题与规则之间的因果关系可理解为与模糊 网p e t r i 中库所与变迁的相互之间的因果关系。因此，用模糊p e t r i 网进行模糊知识表达 成为可能。 本文正是通过模糊p e 仃i 网这一直观的图形模型，试图将孤立的产生式统一成为完 整的模糊p c t r i 网表示的一致的知识库形式。 产生式规则表示了条件和结论之间的因果关系，最简单的形式为：i f 吐t h e nd ， ( c f ) ，其中d i 和j ，是包含一些模糊变量的命题，c fe 【0 ，l 】是该条规则的模糊可信度。 更一般地，基于规则的推理方法还需要考虑以下几个问题： ( i ) 前提条件在规则中的权重：是规则中的条件对结论贡献大小程度的一种度量， 并不是所有的条件在推理中都具有相同的作用，每个条件对于结论的贡献都是很重耍 大庆石油学院硕士研究生学位论文 的，这一点可以用不同的权重系数来表现。例如图l - 4 中喁，等分别表示条件在推理 中的权系数，表现在聚驱综合调整中就是注采完善程度，地质因素等的重要程度。 ( 2 ) 规则实现所需要的阈限：是推理得以进行的最低可信度，当条件的可信度大于 变迁的阈值时推理才得以进行，这一点具有实际意义太低的可信度往往不能导致结 论的产生。 ( 3 ) 结论的可信度：当前提条件的可信度大于变迁触发所需的阚值时，推理虽然可 以实现，但结论并不一定完全可信，结论的可信度一般小于等于1 ，当一个推理规则有 多个结论时。每个结论的可信度都不一样。 所以更一般的推理规则可以表示为： 眉( q ) a n d 昱( q ) a n d a n d 只( 嚷) 与g ( c 茸) a n d 包( c 最) a n o a n dq ( c c ) 其中，g ( i = l ，2 ，h ) 、q ，都是模糊谓词。诸如“高”、“矮”、“大”、“小”、“强”、 “弱”等等，每个命题的真值都在0 到1 之间。q ( f = 1 ，2 ， , ) 为前提条件的权系数， 反映规则中的前提条件对结论的支持程度 权系数满足条件q 2 1 ( f = 1 ，2 ，”h ) ，当 ，；i n = l 时权系数可以忽略。t h ( o 7 h 1 ) 是判别可否应用该规则的阈值，c f , ，c 哆， ，c f 为每个结论的可信度，满足条件0 c e 1 ，( j = l ，2 ，聊) 。可见这里已经把规 则全面模糊化了。一般性推理规则用模糊逻辑表达式可表示为 i f 置( q ) b ( 呜) a 只( c 0 ) 三蜴( a ) q 2 ( 属) q ( 成) 模糊规则的上述形式与f p n 之间建立如下的映射关系，如表1 - 1 所示。若转化为模 糊p e t r i 网模型，可表示为图l - 4 的形式： 这里，模糊谓词只的权系数与它所取的真值具有不同的含义，例如模糊规则“如果 产品的质量好，价格合理，服务周到且外形美观。则产品一般具有较高的市场占有率” 中，显然“质量好”是最重要的，应赋予较高的权重，而质量“好”到什么程度则是一 个模糊概念，可以用它所取的逻辑真值来决定。因此，从本质上说，模糊谓词的权系数 是规则中条件对结论贡献大小程度的一种度量。这种带权的不精确知识表示方法很适合 应用在知识不全的场合，在条件不全的情况下也可进行推理。规则结论的确信度随着条 件 特别是重要条件) 确信度的增加而增加，这符合实际生活中人们的直觉。 第l 章模糊p e t f i 同理论与聚驱综合调整决簟模型 表卜l 模糊p e t r i 同和模糊产生式规则之同的对应关系 规则 规则的澈活 模糊谓词 权系数 确信度c f 可应用阈值z 变迁 库所 输入强度a 输出强度口 变迁启动阈值f 基本规则对应的f p n 表示见图 丑 最 图i - 4 基本规州对应的f p h 表示 1 3 2 模糊规则库到f p n 的转换算法 假定现有模糊规则库胄= ，r 2 ，o ，其中是用模糊规则的基本形式表示的将月 转换成f p n 的步骤如下： ( 1 ) 将规则库中矗里所有规则中的模糊谓词转换为f p n 中的库所集p ； ( 2 ) 在胄中选取任一规则- ，- 置，然后令胄= r 一 巴 ； ( 3 ) 在f p n 中增加变迁节点l ，并将的可应用阈值z h 定义为变迁节点0 的启动阈 值r ： ( 4 ) 检查库所集p ，对所有p ，如满足p p 且p 为规则- 的前提谓词，则在f p n 中增加输入弧 凸o ，将谓词上的权系数m 表示为输入弧的连接强度口； ( 5 ) 检查库所集p ，对所有p ，如满足p p 且p 为规则，的结论谓词，则在f p n 中增加输出弧 l ，p ，规则的确信度c f 表示为输出弧的连接强度； 大庆石油学院硕士研究生学位论文 ( 6 ) 如果r = o ，那么转换完成否则转( 2 ) 。 1 3 3 复合规则的f p n 描述 所谓复合模糊规则是包含“a ( 合取) ”或“v ( 析取) ”算符的模糊规则。复合规 则可以分为以下几类： 类型1 ：前提命题由“a ”组成，复合规则形式为： 环只l 只2 a 昂t h e ng ( c f 。“) ，相应的模糊p e t r i 网表示以及激发规则如 图1 - 5 所示： 规则 a ) 变迁t 激发前 b ) 变迁激发后 图卜6 类型2 基本规则对应的f p n 表示 第l 章模糊p e t r i 网理论与聚驱综合调整决策模型 类型3 ：结论命题由“ ”组成，复合规则形式为： 只t h e n 弓l 0 2 匕( c f 2 h ) ，相应的模糊p e t r i 网表示如图1 - 7 所示 昂 巳 图卜7 类型3 基本规则对应的阡n 表示 类型4 ：结论命题由“v ”组成，复合规则形式为： i f 异t h e n 弓，v 弓2 v v 厶( c f 。h ) ，这种形式的规则不能进行演绎推理， 没有特定结论产生，所以这种规则在知识库中不允许出现。 1 4 聚驱综合调整知识表示 聚驱综合调整知识库中包括；( 1 ) 注采结构调整系统规则库；( 2 ) 注入结构调整系统 规则库：( 3 ) 产液结构调整系统规则库。由于在实际中影响决策分析的因素往往存在一定 的不确定性和模糊性，没有具体的决策模型和规则可依。为了迅速给出调整方案使系统 具有人类专家解决问题的思维方式，本文采用模糊p e t a l 网作为聚驱调整决策信息的知 识表达方法和推理策略。下面以产液结构调整系统规则库中关于压裂方式调整为例，给 出其模糊规则库的f p n 表示，压裂方式调整规则如下： r hi f ( 写) 高渗层有效厚度大于全井的6 0 a n d ( b ) 含水下降期、低值期a n d ( 8 ) 隔层厚度 1 7 m t h e n ( 置。) 多裂缝压裂( c f = o 9 8 ) ； 1 4 太庆石油学院硕士研究生学位论文 r 4